CN111547176A - 自平衡机器人控制方法、系统、自平衡机器人及介质 - Google Patents

自平衡机器人控制方法、系统、自平衡机器人及介质 Download PDF

Info

Publication number
CN111547176A
CN111547176A CN202010426657.XA CN202010426657A CN111547176A CN 111547176 A CN111547176 A CN 111547176A CN 202010426657 A CN202010426657 A CN 202010426657A CN 111547176 A CN111547176 A CN 111547176A
Authority
CN
China
Prior art keywords
self
balancing
robot
momentum wheel
balancing robot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010426657.XA
Other languages
English (en)
Other versions
CN111547176B (zh
Inventor
王帅
崔磊磊
张正友
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010426657.XA priority Critical patent/CN111547176B/zh
Publication of CN111547176A publication Critical patent/CN111547176A/zh
Application granted granted Critical
Publication of CN111547176B publication Critical patent/CN111547176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62K—CYCLES; CYCLE FRAMES; CYCLE STEERING DEVICES; RIDER-OPERATED TERMINAL CONTROLS SPECIALLY ADAPTED FOR CYCLES; CYCLE AXLE SUSPENSIONS; CYCLE SIDE-CARS, FORECARS, OR THE LIKE
    • B62K11/00—Motorcycles, engine-assisted cycles or motor scooters with one or two wheels
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

公开了一种自平衡机器人控制方法、系统、自平衡机器人及介质，自平衡机器人包括车架、动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩，且该方法包括：确定自平衡机器人的当前自平衡状态；基于当前自平衡状态，根据第一非线性函数确定用于所述动量轮的第一转矩分量，其中第一非线性函数是基于所述自平衡机器人的动力学特性确定的；基于当前自平衡状态，根据第二非线性函数确定用于所述动量轮的第二转矩分量，其中第二非线性函数是基于所述自平衡机器人的动力学特性确定的，并且第二非线性函数与所述第一非线性函数不同；基于第一转矩分量和第二转矩分量，生成所述动量轮的转矩；通过动量轮控制器，将该转矩提供给所述动量轮。

Description

自平衡机器人控制方法、系统、自平衡机器人及介质
技术领域
本发明涉及人工智能及机器人领域，更具体地涉及一种自平衡机器人控制方法、系统、自平衡机器人及介质。
背景技术
随着人工智能及机器人技术在民用和商用领域的广泛应用，基于人工智能及机器人技术的自平衡机器人在智能交通、智能家居等领域起到日益重要的作用，也面临着更高的要求。
目前在一些自平衡机器人中包括动量轮系统，其包括至少一个安装在固定位置的动量轮及动量轮控制器(例如动量轮电机)。当自平衡机器人静止或运动时，若自平衡机器人发生倾斜，通过动量轮在加速或减速转动时产生的回复力矩实现自平衡机器人的自平衡。然而，在当前自平衡机器人中，通常采用线性控制器(例如设计线性动量轮控制器)来实现对于自平衡机器人的自平衡控制，然而，由于自平衡机器人在运动过程中呈现非线性状态，当利用线性控制器进行控制时，一方面，仅能够在可线性化的局部运动范围内实现良好控制，其控制灵活度及鲁棒性较差；另一方面，在将自平衡机器人的非线性动态模型进行线性化的过程中，牺牲了自平衡机器人的部分运动特性，由此设计的线性控制器的自平衡控制可靠性及稳定性较差。
因此，需要一种在实现自平衡机器人自平衡，特别是自平衡机器人在直线运动或静态状态下的自平衡的前提下，能够经由非线性控制器对该自平衡机器人的自平衡状态进行灵活且高精度控制的方法，且该方法具有良好的可靠性及稳定性，且具有较高的鲁棒性。
发明内容
针对以上问题，本发明提供了一种自平衡机器人控制方法、自平衡机器人控制系统、自平衡机器人及介质。利用本发明提供的自平衡机器人控制方法可以利用非线性控制器对该自平衡机器人进行自平衡控制，从而在实现自平衡机器人良好自平衡的基础上，基于该自平衡机器人的实际运动状态，实现灵活且高精度的控制，具有良好的可靠性及稳定性，且该方法具有良好的鲁棒性。
根据本发明的一方面，提出了一种自平衡机器人控制方法，其中，所述自平衡机器人包括车架、动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩，且该方法包括：确定所述自平衡机器人的当前自平衡状态；基于所述当前自平衡状态，根据第一非线性函数，确定用于所述动量轮的第一转矩分量，其中所述第一非线性函数是基于所述自平衡机器人的动力学特性确定的；基于所述当前自平衡状态，根据第二非线性函数，确定用于所述动量轮的第二转矩分量，其中所述第二非线性函数是基于所述自平衡机器人的动力学特性确定的，并且所述第二非线性函数与所述第一非线性函数不同；基于所述第一转矩分量和第二转矩分量，生成所述动量轮的转矩；以及通过动量轮控制器，将该转矩提供给所述动量轮。
在一些实施例中，所述当前自平衡状态包括该自平衡机器人的侧倾角、侧倾角速度、侧倾角加速度、质心位置、前进速度中的至少一部分。
在一些实施例中，所述第一非线性函数为基于所述自平衡机器人的主体部分的质量和质心位置、所述自平衡机器人的动量轮的质量和质心位置、以及所述自平衡机器人的侧倾角所构造的非线性函数。
在一些实施例中，所述第一非线性函数为：
Figure BDA0002498912060000021
其中，
Figure BDA0002498912060000022
为第一转矩分量，λ＝(m1L1+m2L2)g，其中m1为自平衡机器人的主体部分的质量，m2为自平衡机器人的动量轮质量，L1为自平衡机器人主体部分的质心高度，L2为该动量轮的质心高度，g为重力加速度，q1＝θ，θ为自平衡机器人的侧倾角，α1、α2为常数，且满足α1+α2＜0。
在一些实施例中，所述第二非线性函数为所述自平衡机器人的总机械能、所述自平衡机器人的侧倾角速度以及所述自平衡机器人的动量轮转动角速度所构造的非线性函数。
在一些实施例中，所述第二非线性函数为：
Figure BDA0002498912060000023
且其中，
Figure BDA0002498912060000031
为第二转矩分量，kv为常数参量，G＝[-1,1]T，GT为的转置矩阵，Hd为闭环系统所具有的总机械能，
Figure BDA0002498912060000032
θ为自平衡机器人的侧倾角，
Figure BDA0002498912060000033
为自平衡机器人的动量轮的转动角度，
Figure BDA0002498912060000034
为q的一阶导数，
Figure BDA0002498912060000035
Figure BDA0002498912060000036
其中α1、α2、α3为根据实际情况选取的常数参量，且其满足
Figure BDA0002498912060000037
Figure BDA0002498912060000038
在一些实施例中，所述第一非线性函数和第二非线性函数是基于所述自平衡机器人的动力学特性及运动特性而确定的，其中，所述第一非线性函数和第二非线性函数的确定包括：基于所述自平衡机器人的动力学特性及运动特性，构造该自平衡机器人的非线性动态模型；基于所述非线性动态模型，生成用于该动量轮控制的哈密顿模型；基于所述哈密顿模型，确定用于该自平衡机器人动量轮控制的能量整形函数，并将该能量整形函数作为所述第一非线性函数；以及基于所述第一非线性函数以及所述哈密顿模型，确定用于该自平衡机器人动量轮控制的阻尼注入函数，并将该阻尼注入函数作为第二非线性函数。
在一些实施例中，基于所述自平衡机器人的动力学特性及运动特性，构造该自平衡机器人的非线性动态模型包括：根据该自平衡机器人的动力学特性，构造该自平衡机器人的动力学模型；根据该自平衡机器人的平移运动特性，得到该自平衡机器人的平移运动特征模型；根据所述平移运动特征模型和该动力学模型，生成该自平衡机器人在平移运动下的非线性动态模型。
在一些实施例中，在所述自平衡机器人的转向角小于预设角度阈值时，将所述转向角设置为0，并且哈密顿模型为：
Figure BDA0002498912060000039
Figure BDA00024989120600000310
其中，H为自平衡机器人的总机械能，I2×2为二维单位矩阵，02×1为二维零阶向量，
Figure BDA00024989120600000311
λ＝(m1L1+m2L2)g,
Figure BDA00024989120600000312
G＝[-1,1]T，q1＝θ,θ表示自平衡机器人的侧倾角，
Figure BDA00024989120600000313
为q的一阶导数，
Figure BDA00024989120600000314
为p的一阶导数，
Figure BDA00024989120600000318
表征动量轮的转动角度，
Figure BDA00024989120600000319
为施加到动量轮的转矩，
Figure BDA00024989120600000317
且其中m1为自平衡机器人的主体部分的质量，m2为自平衡机器人的动量轮质量，L1为自平衡机器人主体部分的质心高度，L2为该动量轮的质心高度，I1为自平衡机器人主体部分的转动惯量，I2为自平衡自平衡机器人动量轮的转动惯量。
根据本公开的另一方面，提出了一种自平衡机器人控制系统，其中，所述自平衡机器人包括车架、动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩，且该系统包括：当前自平衡状态获取模块，其被配置为确定所述自平衡机器人的当前自平衡状态；第一转矩分量确定模块，其被配置为基于所述当前自平衡状态，根据第一非线性函数，确定用于所述动量轮的第一转矩分量，其中所述第一非线性函数是基于所述自平衡机器人的动力学特性确定的；第二转矩分量确定模块，其被配置为基于所述当前自平衡状态，根据第二非线性函数，确定用于所述动量轮的第二转矩分量，其中所述第二非线性函数是基于所述自平衡机器人的动力学特性确定的，并且所述第二非线性函数与所述第一非线性函数不同；转矩确定模块，其被配置为基于所述第一转矩分量和第二转矩分量，生成所述动量轮的转矩；以及动量轮控制模块，其被配置为通过动量轮控制器，将该转矩提供给所述动量轮。
在一些实施例中，所述当前自平衡状态包括该自平衡机器人的侧倾角、侧倾角速度、侧倾角加速度、质心位置、前进速度中的至少一部分。
在一些实施例中，所述第一非线性函数和第二非线性函数是基于所述自平衡机器人的动力学特性及运动特性而确定的，其中，所述第一非线性函数是基于该自平衡机器人的非线性动态模型确定的能量整形函数；所述第二非线性函数是基于该自平衡机器人的非线性动态模型确定的阻尼注入函数。
在一些实施例中，所述第一非线性函数为：
Figure BDA0002498912060000041
其中，
Figure BDA0002498912060000042
为第一转矩分量，λ＝(m1L1+m2L2)g，其中m1为自平衡机器人的主体部分的质量，m2为自平衡机器人的动量轮质量，L1为自平衡机器人主体部分的质心高度，L2为该动量轮的质心高度，g为重力加速度，q1＝θ，θ为自平衡机器人的侧倾角，α1、α2为常数，且满足α1+α2＜0。
所述第二非线性函数为：
Figure BDA0002498912060000043
且其中，
Figure BDA0002498912060000051
为第二转矩分量，kv为常数参量，G＝[-1,1]T，GT为的转置矩阵，Hd为闭环系统所具有的总机械能，
Figure BDA0002498912060000052
θ为自平衡机器人的侧倾角，
Figure BDA0002498912060000053
为自平衡机器人的动量轮的转动角度，
Figure BDA0002498912060000054
为q的一阶导数，
Figure BDA0002498912060000055
Figure BDA0002498912060000056
其中α1、α2、α3为根据实际情况选取的常数参量，且其满足
Figure BDA0002498912060000057
Figure BDA0002498912060000058
根据本公开的另一方面，提出了一种自平衡机器人，所述自平衡机器人包括车架、动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩，且其中，该自平衡机器人包括如前所述的自平衡机器人控制系统，且其通过如前所述的自平衡机器人控制方法来实现对所述动量轮的控制。
根据本公开的另一方面，提出了一种计算机可读存储介质，其特征在于，其上存储有计算机可读的指令，当利用计算机执行所述指令时执行如前所述的方法。
利用本发明提供的自平衡机器人控制方法、系统、自平衡机器人及介质，可以很好的实现自平衡机器人的自平衡，特别地，其具有良好的鲁棒性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员而言，在没有做出创造性劳动的前提下，还可以根据这些附图获得其他的附图。以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本发明的主旨。
图1A示出了根据本发明实施例的自平衡机器人100A的示意图；
图1B示出了根据本公开实施例的自平衡机器人控制方法100B的示例性流程图；
图2中示出了根据本公开实施例确定所述第一非线性函数及第二非线性函数的过程200的示例性流程图；
图3示出了根据本公开实施例构造自平衡机器人的非线性动态模型的过程S201的示例性流程图；
图4示出了根据本公开实施例的自平衡机器人400的参数标注示意图；
图5A示出了根据本公开实施例的自平衡车的外部视图；
图5B示出了根据本公开实施例的自平衡车受到来自第一方向的外部干扰的示意图；
图6示出了根据本公开实施例的自平衡车在静止情况下经受第一干扰及第二干扰后进行自平衡控制的结果；
图7示出了根据本公开实施例的自平衡车进行直线加速运动过程中的示意图；
图8示出了根据本公开实施例的自平衡车在直线加速及制动过程中进行自平衡控制的结果；
图9示出了根据本公开实施例的自平衡机器人控制系统600的示例性的框图。
具体实施方式
下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本发明的部分实施例，而不是全部的实施例。基于本发明实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本发明保护的范围。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
具体地，本申请提出了一种基于人工智能的自平衡机器人控制方法，其通过该自平衡机器人的当前自平衡状态，通过非线性控制策略，根据第一非线性函数及第二非线性函数计算并生成动量轮的转矩，通过动量轮控制器基于该转矩实现对动量轮的控制，从而控制该自平衡机器人的侧倾角为0，实现其自平衡。
本申请所述的自平衡机器人旨在表征具有静态及动态自平衡能力的设备，其例如可以为自平衡滑板车、自平衡自行车或其他类型的设备。本公开的实施例不受所述自平衡机器人的具体类型及其组成的限制。
图1A示出了根据本发明实施例的一种自平衡机器人100A的示意图，其中所述自平衡机器人为自平衡车。接下来将以图1A所示出的自平衡车为例对于自平衡机器人进行简要说明。
参照图1A，当所述自平衡机器人100A为自平衡车时，其例如可以包括车架、自平衡动量轮系统、前把转向系统、后轮驱动系统和外壳。
其中，所述自平衡动量轮系统主要由联轴器14、动量轮15、动量轮轴16、动量轮电机13、U型架17和可调丝杠18组成，其为独立模块。
所述前把转向系统主要由前轮1、前把2、前把轴承4、前把电机5和前把套筒6组成，其为独立模块，只需调整前把套筒6单一零件结构即可调整前把转轴与水平面之间的夹角。
所述后轮驱动系统主要由后轮11、后轮电机12和后轮架10组成，为独立模块。
所述外壳包括前轮外壳3、车身骨架7、车身外壳8、后轮外壳9。其旨在形成自平衡机器人车体的整体框架及外部结构。
该自平衡机器人利用后轮驱动系统驱动自平衡机器人前进。当自平衡机器人静止时，若车体发生倾斜，利用自平衡动量轮系统产生的回复力可实现自平衡机器人的静态平衡。当自平衡机器人处于直线运动状态，若车体发生倾斜，利用自平衡动量轮系统产生的回复力可实现自平衡机器人的动态平衡；当自平衡机器人处于曲线或圆运动状态(此时自平衡机器人的车把具有转向角)，若车体发生倾斜，利用前把转向系统的转向和自平衡动量轮系统产生的回复力可实现自平衡机器人的动态平衡。
现有自平衡机器人中，通常采用线性控制器(例如设计线性动量轮控制器)来实现对于自平衡机器人的自平衡控制，然而，由于自平衡机器人在运动过程中呈现非线性状态，当利用线性控制器进行控制时，一方面，仅能够在可线性化的局部运动范围内实现良好控制，其控制灵活度及鲁棒性较差；另一方面，在将自平衡机器人的非线性动态模型进行线性化的过程中，牺牲了自平衡机器人的部分运动特性，由此设计的线性控制器的自平衡控制可靠性及其稳定性较差。
基于如上所述的自平衡机器人，本申请中提出了一种自平衡机器人控制方法。该方法适用于在自平衡机器人处于直线运动或静止状态下(自平衡机器人的车把无转向角)实现该自平衡机器人的自平衡，即，使得该自平衡机器人的侧倾角为0。图1B示出了根据本公开实施例的自平衡机器人控制方法100B的示例性流程图。
根据本发明实施例的自平衡机器人包括车架、动量轮及动量轮控制器，所述动量轮控制器用于驱动所述动量轮，该动量轮控制器为该动量轮提供转矩。参照图1B，首先，在步骤S101中，确定所述自平衡机器人的当前自平衡状态。
所述自平衡机器人的当前自平衡状态表征该自平衡机器人当前所具有的自平衡状态，其例如可以通过该自平衡机器人的当前自平衡侧倾角(即该自平衡机器人在当前时刻下相对于竖直方向所具有的侧倾角)来表征，或者也可以经由其他参数表征。本公开的实施例不受该当前自平衡状态的具体表现形式的限制。
其后，在步骤S102中，基于所述当前自平衡状态，根据第一非线性函数，确定用于所述动量轮的第一转矩分量，其中所述第一非线性函数是基于所述自平衡机器人的动力学特性确定的。
所述第一非线性函数例如可以为公式或公式组，或者其也可以为预设的算法。本公开的实施例不受该第一非线性函数的具体表现形式的限制。
所述自平衡机器人的动力学特性旨在表征该自平衡机器人所具有的动力学特征，例如该自平衡机器人中包括的刚体的数目、刚体间的运动关系等。本公开的实施例不受所述自平衡机器人动力学特性的具体内容的限制。
确定第一转矩分量后，在步骤S103中，基于所述当前自平衡状态，根据第二非线性函数，确定用于所述动量轮的第二转矩分量，其中所述第二非线性函数是基于所述自平衡机器人的动力学特性确定的，并且所述第二非线性函数与所述第一非线性函数不同。
所述第二非线性函数例如可以为公式或公式组，或者其也可以为预设的算法。本公开的实施例不受该第二非线性函数的具体表现形式的限制。
应了解，上述第一非线性函数及第二非线性函数仅用于区分用于生成第一转矩分量及第二转矩分量的不同线性函数，其并非旨在对于该第一、第二线性函数进行限制。
应了解，步骤S102和步骤S103例如可以同时执行，或者也可以按顺序执行，本公开的实施例不受步骤S102和步骤S103的具体执行顺序的限制。
计算得到第一转矩分量和第二转矩分量后，在步骤S104中，基于所述第一转矩分量和第二转矩分量，生成所述动量轮的转矩。
例如，可以将该第一转矩分量与第二转矩分量直接加和得到该转矩，或者也可以将该第一转矩分量与第二转矩分量代入至预设公式进行计算及处理以得到该转矩。本公开的实施例不受该转矩的具体计算方式的限制。
计算得到该转矩后，在步骤S105中，通过动量轮控制器，将该转矩提供给所述动量轮。例如，该动量轮控制器为动量轮电机，则该动量轮电机例如将该转矩作为动量轮的转矩输入，输入至该动量轮。
基于上述，在对自平衡机器人进行自平衡控制时，通过确定该自平衡机器人的当前自平衡状态，并基于该当前自平衡状态，利用第一非线性函数和第二非线性函数分别计算得到第一转矩分量、第二转矩分量，根据该第一、第二转矩分量生成转矩，并经由该转矩，通过动量轮控制器实现对动量轮的控制，使得能够基于非线性控制策略实现对自平衡机器人的自平衡控制。相较于通过线性控制策略进行控制，本申请中的方法能够更好地贴合自平衡机器人在运动过程中的运动特性，从而基于自平衡机器人的实际运动情况实现灵活地自平衡控制，实现更高的控制精度，且该自平衡机器人控制方法具有更好的鲁棒性及稳定性。
在一些实施例中，所述当前自平衡状态包括该自平衡机器人的侧倾角、侧倾角速度、侧倾角加速度、质心位置、前进速度中的至少一部分。通过设置该当前自平衡状态包括以上一个或多个参数量，使得能够全面且良好地反映出其自平衡状态。
在一些实施例中，所述第一非线性函数为基于所述自平衡机器人的主体部分的质量和质心位置、所述自平衡机器人的动量轮的质量和质心位置、以及所述自平衡机器人的侧倾角所构造的非线性函数。
在一些实施例中，所述第二非线性函数为所述自平衡机器人的总机械能、所述自平衡机器人的侧倾角速度以及所述自平衡机器人的动量轮转动角速度所构造的非线性函数。
在一些实施例中，所述第一非线性函数和第二非线性函数是基于所述自平衡机器人的动力学特性及运动特性而确定的，且确定所述第一非线性函数及所述第二非线性函数的过程，即设计该非线性策略的过程例如能够更具体的描述。图2中示出了根据本公开实施例确定用于自平衡机器人控制的第一非线性函数及第二非线性函数的过程200的示例性流程图。
参照图2，首先，在步骤S201中，基于所述自平衡机器人的动力学特性及运动特性，构造该自平衡机器人的非线性动态模型。
如前所述，所述自平衡机器人的动力学特性旨在表征该自平衡机器人所具有的动力学特征。所述自平衡机器人的运动特性旨在表征该自平衡机器人在运动过程中所具有的动力学特征，例如其运动方式、运动速度、运动加速度等。本公开的实施例不受该自平衡机器人的运动特性的具体组成的限制。下文中，将参照图3详细地说明构造该自平衡机器人的非线性动态模型的具体过程。
构造该自平衡机器人的非线性动态模型后，进一步地，在步骤S202中，基于所述非线性动态模型，生成用于该动量轮控制的哈密顿模型。
生成用于该动量轮控制的哈密顿模型后，在步骤S203中，基于所述哈密顿模型，确定用于该自平衡机器人动量轮控制的能量整形函数，并将该能量整形函数作为所述第一非线性函数。
生成该第一非线性函数后，在步骤S204中，基于所述第一非线性函数以及所述哈密顿模型，确定用于该自平衡机器人动量轮控制的阻尼注入函数，并将该阻尼注入函数作为第二非线性函数。
基于上述，本申请中，基于自平衡机器人的动力学特性及运动特性构造该自平衡机器人的非线性模型，根据该非线性模型生成哈密顿模型，通过IDA-PBC控制策略，基于该哈密顿模型得到能量整形函数并进一步计算得到阻尼注入函数，据此得到第一非线性函数及第二非线性函数的表达式，有利于后续基于该第一非线性函数及第二非线性函数计算得到第一转矩分量及第二转矩分量，一方面，便于后续进一步地得到输入至该动量轮的输入转矩并经由该输入转矩控制动量轮以实现该自平衡机器人的自平衡。另一方面，在进行控制器第一、第二非线性函数的设计时，运用了非线性控制器的设计方式，保留了自平衡机器人动态模型中的非线性参数及表达式，使得所计算得到的第一、第二非线性函数能够有效地基于自平衡机器人的运动状态进行调整，从而使得该自平衡控制过程具有更好的鲁棒性和精确度。
接下来，将以自平衡车为例，参照图3和图4详细地说明构造该自平衡机器人的非线性动态模型的具体过程。图3示出了根据本公开实施例构造自平衡机器人的非线性动态模型的过程S201的示例性流程图。在本发明实施例中，结合自平衡车来建立自平衡机器人动力学模型。图4示出了根据本公开实施例的自平衡机器人的参数标注示意图。
参照图3，首先，在步骤S2011中，根据该自平衡机器人的动力学特性，构造该自平衡机器人的动力学模型。
所述自平衡机器人动力学模型旨在表征该自平衡机器人所具有的动力学特征，根据所述自平衡机器人所具有的运动学特征，其例如可以基于单摆模型、或倒立摆模型等模型建立。本公开的实施例不受所述自平衡机器人动力学模型的具体建立方式的限制。
构造该动力学模型后，在步骤S2012中，根据该自平衡机器人的平移运动特性，得到该自平衡机器人的平移运动特征模型。
所述平移运动旨在表征在平面内，将该自平衡机器人上的所有点都按照某个方向作相同距离的移动。所述平移运动特征模型旨在反映该自平衡机器人的平移运动特征，当该自平衡机器人为自平衡车时，该平移运动特征模型例如包括平移运动的动能模型、平移运动的势能模型、平移运动中的外部力模型，且求取该平移运动特征模型的过程例如能够更具体地描述。
在得到该自平衡机器人的动力学模型和平移运动特征模型后，在步骤S2013中，根据所述平移运动特征模型和该动力学模型，生成该自平衡机器人在平移运动下的非线性动态模型。
基于上述，基于该自平衡车的动力学特性构造该自平衡机器人的动力学模型，其后根据该自平衡机器人的平移运动特性构造该自平衡机器人的平移运动模型，并最终基于该自平衡机器人的动力学模型及平移运动模型生成其非线性动态模型，使得该非线性动态模型能够良好地反映该自平衡机器人的力学特性及其在平移运动过程中的特性，从而有利于后续基于该非线性动态模型求取相应的动量轮转矩以实现自平衡控制，且有利于提高该自平衡控制的精确度及灵活度。
下面，将参照图4对构造自平衡机器人的自平衡机器人的动力学模型，并基于该动力学模型生成第一非线性函数及第二非线性函数的过程进行更具体地说明。其中示出了自平衡机器人(此处为自平衡车400)的示意图。且其中标示了基础三维坐标系Oxyz，并基于该自平衡车与地面的接触点P1构建了基于该自平衡车的自平衡车三维坐标系P1-xyz，其中直线P1z沿竖直方向延伸，直线P1x沿该自平衡车的车身方向延伸，直线P1y垂直于直线P1x且垂直于直线P1z延伸，且其中经由直线P1z及直线P1x限定了基准平面R1。
且其中进一步标注了：自平衡车的侧倾角θ(该自平衡车与基准平面R1的夹角)，经由该侧倾角限定了包括直线P1x且与平面R1具有夹角θ的侧倾平面R2；该自平衡车动量轮的旋转角
Figure BDA0002498912060000123
该自平衡车的车把实际转向角δ(车把相对于侧倾平面R2所具有的夹角)，经由该车把实际转向角限定了与该侧倾平面R2具有夹角δ的转向平面R3；综合该自平衡车的车把实际转向角δ、侧倾角θ之后能够计算得到该自平衡车的车把有效转向角δf(该自平衡车的车把相对于基准平面R1所具有的夹角)；该自平衡车的前进速度V，自平衡车的主体部分(除动量轮之外的部分)的质量m1，自平衡车的动量轮质量m2，则该自平衡车的总质量m＝m1+m2，自平衡车主体部分的转动惯量I1，自平衡车动量轮的转动惯量I2，自平衡车主体部分的质心高度L1，自平衡车的动量轮的质心高度L2，重力加速度g，其例如可以取为9.8N/kg，自平衡车的车把的中轴与自平衡车的车架横梁之间的夹角α，自平衡车后轮与地面的接触点P1沿P1x方向距离该自平衡车主体部分的质心在P1x方向上的投影点的水平距离b，自平衡车的前轮与地面的接触点及自平衡车的后轮与地面的接触点沿P1x方向的距离L，自平衡车车把的中轴与地面的交点和自平衡车的前轮与地面的接触点之间的距离为Δ。且下文中，将采用uδ表示自平衡车的车把转向角速度
Figure BDA0002498912060000121
采用
Figure BDA0002498912060000122
表示施加到自平衡车的动量轮的转矩，采用uv表示施加到自平衡车的推进力。
进一步地，例如当车把转向角δ为常数时，此时该自平衡车的运动路径例如为圆，此时采用σ表示该圆的曲率，则该曲率σ可以表示为：
σ＝tan(δf)/L 1)
其中，δf为自平衡车的车把有效转向角，L自平衡车的前轮与地面的接触点及自平衡车的后轮与地面的接触点沿P1x方向的距离。
且其中，该有效转向角δf与车把实际转向角δ的关系例如能够通过如下所述的公式进行表示：
tan(δf)cos(θ)＝tan(δ)sin(a) 2)
其中，δf为自平衡车的车把有效转向角，δ为车把实际转向角，α为自平衡车的车把的中轴与自平衡车的车架横梁之间的夹角，θ为自平衡车的侧倾角。
基于上述公式1)及公式2)，该曲率σ可以表示为：
Figure BDA0002498912060000131
其中，δ为车把实际转向角，α为自平衡车的车把与自平衡车车架的横梁之间的夹角，θ为自平衡车的侧倾角，L自平衡车的前轮与地面的接触点及自平衡车的后轮与地面的接触点沿P1x方向的距离。
基于上述公式3)，进一步地，将uσ定义为曲率σ的导数，则uσ可以表示为：
Figure BDA0002498912060000132
此外，根据图4中所示出的参数标注示意图，此时可以将所述自平衡机器人的动量轮及除动量轮以外的自平衡机器人主体部分视为两个刚体，其可以视为多刚体系统。
且在当前的多刚体系统中，所述拉格朗日(Lagrange)算子L例如可以为该多刚体系统的动能T与势能U之差。具体地：
L＝T-U 5)
其中，L为Lagrange算子，T为该自平衡车的动能，U为该自平衡车的势能。进一步地，基于自平衡机器人的动力学特征，例如可以对于该系统应用如下所述的Lagrange方程：
Figure BDA0002498912060000133
其中，L为Lagrange算子；q为三维角度向量并且包括三个子元素：自平衡车的侧倾角θ、动量轮的转动角度
Figure BDA0002498912060000144
和后轮的转动角度，qi表征三维向量q中的第i个子元素(第i维)，i为大于等于1且小于等于3的正整数；τ为外部作用力并且为三维向量，τi表征转矩向量τ中对应于三维角度向量的第i个子元素的转矩，i为大于等于1且小于等于3的正整数。据此得到该系统的动力学模型表达式6)。
返回图3，在构造该自平衡机器人的动力学模型后，进一步地，在步骤S2012中，根据该自平衡机器人的平移运动特性，得到该自平衡机器人的平移运动特征模型。当该自平衡机器人为自平衡车时，该平移运动特征模型例如包括平移运动的动能模型、平移运动的动能模型、平移运动中的外部作用力模型，且求取该平移运动特征模型的过程例如能够更具体地描述。
例如，在该自平衡机器人为如图4所示出的自平衡车时，可以分别确定该自平衡车的动能表达式、势能表达式及外部作用力表达式，并将其分别作为该自平衡车的动能模型、动能模型及外部作用力模型，据此得到其运动特征模型。
例如，对于该自平衡车动能而言，其总动能T例如可以表示为该自平衡车的主体部分所具有的动能和该自平衡车的动量轮部分所具有的动能之和。
基于上述，当该自平衡车以前进速度V进行平移运动时，则可知该自平衡车主体部分的前进速度能够表示为：
Figure BDA0002498912060000141
其中，Vx1为该自平衡车主体部分沿图4中P1x方向所具有的纵向前进速度，Vy1为该自平衡车主体部分沿图4中P1y方向所具有的横向前进速度，Vz1为该自平衡车主体部分沿图4中P1z方向所具有的垂直前进速度。且其中，V为该自平衡车所具有的前进速度，σ表示自平衡车进行圆运动的曲率，b为自平衡车后轮与地面的接触点P1沿P1x方向距离该自平衡车主体部分的质心在P1x方向上的投影点的水平距离，L1表示自平衡车主体部分的质心高度，θ表示自平衡车的侧倾角，
Figure BDA0002498912060000142
表示自平衡车的侧倾角速度。
且该自平衡车的动量轮所具有的前进速度可以表示如下：
Figure BDA0002498912060000143
其中，Vx2为该动量轮沿图4中P1x方向所具有的纵向前进速度，Vy2为该动量轮沿图4中P1y方向所具有的横向前进速度，Vz2为该动量轮沿图4中P1z方向所具有的垂直前进速度。且其中，V为该自平衡车所具有的前进速度，σ表示自平衡车进行圆运动的曲率，b为自平衡车后轮与地面的接触点P1沿P1x方向距离该自平衡车主体部分的质心在P1x方向上的投影点的水平距离，L2表示动量轮的质心高度，θ表示自平衡车的侧倾角，
Figure BDA0002498912060000156
表示自平衡车的侧倾角速度。
且在该平移运动过程中，自平衡车的主体部分及动量轮所具有的转动速度能够表示如下：
Figure BDA0002498912060000151
其中，ω1为自平衡车主体部分相对于基础三维坐标系Oxyz所具有的转速，ω2为动量轮相对于基础三维坐标系Oxyz所具有的转速，θ为自平衡车的侧倾角，
Figure BDA0002498912060000152
为动量轮的旋转角，
Figure BDA0002498912060000153
为动量轮的旋转角速度，
Figure BDA0002498912060000154
为自平衡车的侧倾角速度。
基于上述公式7)-9)，则该自平衡车的动能T能够表示如下：
Figure BDA0002498912060000155
其中，ω1为自平衡车主体部分相对于基础三维坐标系Oxyz所具有的转速，ω2为动量轮相对于基础三维坐标系Oxyz所具有的转速，m1为自平衡车的主体部分的质量，m2为自平衡车的动量轮质量，I1为自平衡车主体部分的转动惯量，I2为自平衡自平衡车动量轮的转动惯量，Vx1为该自平衡车的主体部分沿图4中P1x方向所具有的纵向前进速度，Vy1为该自平衡车的主体部分沿图4中P1y方向所具有的横向前进速度，Vz1为该自平衡车的主体部分沿图4中P1z方向所具有的垂直前进速度，Vx2为该动量轮沿图4中P1x方向所具有的纵向前进速度，Vy2为该动量轮沿图4中P1y方向所具有的横向前进速度，Vz2为该动量轮沿图4中P1z方向所具有的垂直前进速度。
对于该自平衡车的势能而言，该自平衡车的总势能U例如可以表示为该自平衡车的主体部分所具有的势能和该自平衡车的动量轮部分所具有的势能之和，其能够表示如下：
U＝(m1L1+m2L2)g(cos(θ)+1) 11)
其中，m1为自平衡车的主体部分的质量，m2为自平衡车的动量轮的质量，L1表示自平衡车的主体部分的质心高度，L2表示动量轮的质心高度，θ表示自平衡车的侧倾角，g为重力加速度，其例如可以取为9.8N/kg。
此外，对于该自平衡车的外部作用力而言，其外部作用力τ例如可以包括：该自平衡车在侧倾方向上受到的外部力，该自平衡车动量轮的转矩，该自平衡车受到的推进力，基于此，该自平衡车的外部作用力τ可以表示为方程组12)的形式：
Figure BDA0002498912060000161
Figure BDA0002498912060000162
τv＝uv 12c)
其中，τθ表征施加到自平衡车的侧倾方向上的作用力，
Figure BDA0002498912060000167
及
Figure BDA0002498912060000164
表征施加到自平衡车的动量轮的转矩，τv及uv表征沿P1x的方向施加到自平衡车的推进力。其余各参数含义如前所示出的。
据此得到平移运动特征模型的外部力模型方程组。且其中，12a)等式右侧的最后一项
Figure BDA0002498912060000165
是由于自平衡车的脚轮效应而产生的误差量，将能够简化表示为τΔ(θ,δf)。
且上述动能模型表达式10)、势能模型表达式11)及外部力模型方程组12)例如共同组成了该自平衡车的平移运动特征模型。
然而，应了解，上述仅给出了一种求取平移运动特征模型的实施例，本申请所述的平移运动特征模型不限于此，还可以采取其他的方法求取平移运动特征模型，且该平移运动特征模型还能够包括其他的组成内容。
返回图3，得到该平移运动特征模型及该动力学模型后，在步骤S2013中，根据所述平移运动特征模型和该动力学模型，生成该自平衡机器人在平移运动下的非线性动态模型。接下来将以自平衡车为例进行更具体的描述。
例如，基于上述得到的自平衡车的平移运动的动能模型表达式10)、势能模型表达式11)和外部力模型方程组12)，以及前述构建的动力学模型拉格朗日方程5)，即能够得到该自平衡车的动态模型方程组13)：
Figure BDA0002498912060000166
Figure BDA0002498912060000171
Figure BDA0002498912060000172
Figure BDA0002498912060000173
其中，m1为自平衡机器人除动量轮之外的主体部分的质量，m2为自平衡机器人的动量轮的质量，m为自平衡机器人的总质量，L1为自平衡机器人主体部分的质心高度，L2为自平衡机器人的动量轮的质心高度，I1为自平衡机器人主体部分的转动惯量，I2为自平衡机器人动量轮的转动惯量，σ为该自平衡机器人圆运动的曲率，uσ为自平衡机器人运行圆轨迹的曲率对时间的导数，θ为自平衡机器人的侧倾角，
Figure BDA00024989120600001719
为自平衡机器人侧倾角速度，
Figure BDA0002498912060000175
为自平衡机器人的侧倾角加速度，
Figure BDA0002498912060000176
为动量轮的旋转角，
Figure BDA0002498912060000177
为动量轮的旋转角速度，
Figure BDA0002498912060000178
为动量轮的旋转角加速度，b为自平衡车后轮与地面的接触点P1沿P1x方向距离该自平衡车主体部分的质心在P1x方向上的投影点的水平距离，V为该自平衡机器人的前进速度，
Figure BDA0002498912060000179
为该自平衡机器人的前进加速度，g为重力加速度，
Figure BDA00024989120600001710
为施加到自平衡机器人的动量轮的转矩，uv为施加到自平衡机器人的推进力，τΔ(θ,δf)为由于该自平衡机器人的脚轮效应而产生的误差量，
Figure BDA00024989120600001711
Figure BDA00024989120600001712
δf为自平衡机器人的有效转向角。
基于上述，在根据上述方法得到自平衡机器人的非线性动态模型后，进一步地，在步骤S202中，基于所述非线性动态模型，生成用于该动量轮控制的哈密顿模型。例如，当前述的自平衡车仅通过动量轮控制自平衡时，则此时其车把转向角δ为0，则对应地，此时其并未处于曲线运动，其曲率σ也为0，则上述自平衡车的非线性动态模型例如能够进行简化为方程组14)：
Figure BDA00024989120600001713
Figure BDA00024989120600001714
基于上述方程组14)，定义
Figure BDA00024989120600001715
λ＝(m1L1+m2L2)g,
Figure BDA00024989120600001716
(对角阵，且该对角阵的数值分别为Iθ，
Figure BDA00024989120600001717
),
Figure BDA00024989120600001718
Figure BDA0002498912060000181
G＝[-1,1]T，
Figure BDA0002498912060000182
且相关参数的含义如前所述。
基于上述定义，将上述参数Iθ、
Figure BDA0002498912060000183
λ、M、q、G、p代入上述简化方程组14)，则能够得到该自平衡车的哈密顿模型方程组15)：
Figure BDA0002498912060000184
其中，H表征具有动量轮的自平衡车所具有的总机械能，I2×2表征二维单位矩阵，02×1表征二维零阶向量，
Figure BDA0002498912060000185
G＝[-1,1]T，θ表示自平衡车的侧倾角，
Figure BDA0002498912060000186
表征动量轮的转动角度，其余参数的含义如上所述，据此得到哈密顿模型。
基于上述，其后，基于该哈密顿模型，在步骤S203中，基于所述哈密顿模型，确定用于该自平衡机器人动量轮控制的能量整形函数，并将该能量整形函数作为所述第一非线性函数。
具体而言，例如当所述自平衡机器人为自平衡车，且其哈密顿模型的表达式具有前述公式15)的形式时，例如经由基于互联阻尼分配的无源控制策略(IDA-PBC)，通过能量整形确定整形参数
Figure BDA0002498912060000187
(即第一转矩分量)的函数表达式，此时对该哈密顿模型进行整形并得到能量整形函数的过程例如可以更具体地描述如下。
首先，可知闭环系统的标准哈密顿模型的方程组为：
Figure BDA0002498912060000188
其中，
Figure BDA0002498912060000189
其中α1、α2、α3为根据实际情况选取的常数参量，且其满足
Figure BDA00024989120600001810
Hd表征该闭环系统所具有的总机械能，Ud(q)表征在当前闭环系统中的能量函数。
Figure BDA00024989120600001811
表征阻尼参数，即第二转矩分量，且该阻尼参数
Figure BDA00024989120600001812
与前述整形参数
Figure BDA00024989120600001813
具有如下关系：
Figure BDA00024989120600001814
其中，
Figure BDA00024989120600001815
为自平衡车的动量轮的转矩。
基于上述关系式17)，将当前自平衡车的哈密顿模型表达式15)与闭环系统的标准哈密顿模型16)相比较，则能够发现如下等式组18)成立：
Figure BDA0002498912060000191
Figure BDA0002498912060000192
其中，G⊥与前述参数G正交，即满足G⊥G＝0。其余参数的含义如前所述。基于上述等式组18)，能够得到以下关于Ud(q)的偏微分方程式：
Figure BDA0002498912060000193
对该偏微分方程式19)求解，能够计算得到Ud(q)的表达式：
Figure BDA0002498912060000194
且其中，为了保证q1＝0为Ud(q)的最小值，基于实际情况选取α1、α2，以使得其满足α1+α2＜0，其余参数的具体含义如前所述。
据此，计算得到能量函数Ud(q)，将该Ud(q)的表达式20)代入至表达式18a)即可得到该整形参数uφ,s的表达式(整形函数)如下：
Figure BDA0002498912060000195
其中，
Figure BDA00024989120600001911
为第一转矩分量，λ＝(m1L1+m2L2)g，其中m1为自平衡机器人的主体部分的质量，m2为自平衡机器人的动量轮质量，L1为自平衡机器人主体部分的质心高度，L2为该动量轮的质心高度，g为重力加速度，q1＝θ，θ为自平衡机器人的侧倾角，α1、α2为常数，且满足α1+α2＜0。
据此得到了整形参数uφ,s的表达式，也即第一非线性函数的表达式，其后，在步骤S204中，基于所述第一非线性函数以及所述哈密顿模型，确定用于该自平衡机器人动量轮控制的阻尼注入函数，并将该阻尼注入函数作为第二非线性函数。
接下来，将以该自平衡机器人为自平衡车为例，对确定第二非线性函数的过程进行更具体地描述。
在计算得到能量整形函数后，基于IDA-PBC控制方法，其后将根据上述公式17)中所示出的关系式，确定阻尼参数
Figure BDA0002498912060000197
的表达式，以使得该自平衡车的总机械能Hd满足
Figure BDA0002498912060000198
且基于如上计算得到的能量整形参数uφ,s的表达式21)，基于标准哈密顿模型的方程组16)，能够计算得到该闭环系统所具有的总机械能Hd的导数
Figure BDA0002498912060000199
为：
Figure BDA00024989120600001910
基于此，能够计算得到该阻尼注入参数
Figure BDA0002498912060000201
的表达式为：
Figure BDA0002498912060000202
且其中，
Figure BDA0002498912060000203
为第二转矩分量，kv为常数参量，G＝[-1,1]T，GT为的转置矩阵，Hd为闭环系统所具有的总机械能，
Figure BDA0002498912060000204
θ为自平衡机器人的侧倾角，
Figure BDA0002498912060000205
为自平衡机器人的动量轮的转动角度，
Figure BDA0002498912060000206
为q的一阶导数，
Figure BDA0002498912060000207
Figure BDA0002498912060000208
其中α1、α2、α3为根据实际情况选取的常数参量，且其满足α1＞0,
Figure BDA0002498912060000209
Figure BDA00024989120600002010
据此，能够基于该自平衡车的哈密顿模型，确定阻尼注入参数的表达式23)，该表达式即为阻尼注入函数，即第二非线性函数。
且例如能够对所设计的控制器的性能进行验证。根据定理可知，对于具有如上所述的第一非线性函数及第二非线性函数的系统，其能够具有以下收敛属性：
Figure BDA00024989120600002011
即，在应用该控制器的基础上，当时间无限趋近于0时，该自平衡车的侧倾角为0，且该自平衡车的动量轮的转动角加速度为0，使得该自平衡车能够维持在侧倾角为0的自平衡位置。
令该闭环系统的总机械能Hd表示候选李雅普诺夫(Lyapunov)函数。则根据上述公式22)和公式23)，总机械能Hd的导数
Figure BDA00024989120600002012
能够表示为
Figure BDA00024989120600002013
当
Figure BDA00024989120600002014
即表示
Figure BDA00024989120600002015
时，将前述公式中
Figure BDA00024989120600002016
的表达式插入至该表达式，则能够得到
Figure BDA00024989120600002017
因此能够推断出q1＝0,p1＝0且p2＝0。
且根据拉塞尔不变性原理，limt→+∞q1(t)＝0,limt→+∞p1(t)＝0，且能够知道limt→+∞p2(t)＝0。因此，根据上述q和p的定义，能够证明上述公式24)。
在一些实施例中，如前所详细描述的，根据该自平衡机器人的动力学特性，构造该自平衡机器人的非线性动态模型例如具有前述方程组13)的形式。然而，应了解，本公开的实施例不受该非线性动态模型所具有的具体形式的限制。
基于上述，基于自平衡机器人的力学特性及其平移运动特性，构造如前述方程组13)形式的非线性动态模型，相较于通过线性化或线性化处理将sin及cos函数参量消除的线性模型，该非线性动态模型使得能够更好地保留该自平衡车运动过程中的非线性特性，更有利于基于不同的运动情况实现对其自平衡的灵活控制。
在一些实施例中，在所述自平衡机器人的转向角小于预设角度阈值时，将所述转向角设置为0，并设置该自平衡机器人的哈密顿模型具有如前详述的哈密顿模型方程组15)的形式。
其中，所述预设角度阈值用于筛选较小的转向角度，其例如可以基于实际情况设定，例如将其设置为3度，或者也可以将其设置为2度。本公开的实施例不受该预设角度阈值的具体内容的限制。
例如，设置该预设角度阈值为3度，则当该自平衡机器人(例如自平衡车)在运动的过程中，若经由传感器检测到该自平衡机器人的转向角为2度，判断其小于该预设角度阈值，则此时控制系统将自动将该自平衡机器人的转向角度设置为0，该自平衡机器人将不会响应于该微小的转向角，并仍旧采取转向角度为0时的控制策略，即仅通过动量轮实现该自平衡机器人的自平衡过程。
基于此，通过判断转向角与预设角度阈值的关系，并在该转向角小于该预设角度阈值的情况下不切换自平衡控制策略，忽视该微小转向角并仍旧采用动量轮实现自平衡控制，构建转向角为0情况下的哈密顿模型，使得当本申请中的自平衡机器人由于操作误差或外部扰动而产生轻微偏差时，仍旧能够维持原自平衡控制策略，防止在自平衡机器人的自平衡控制过程中由于外界扰动而导致频繁的自平衡控制策略切换，从而使得自平衡机器人无法维持良好的自平衡状态。
在一些实施例中，如前所详细叙述的，所得到的第一非线性函数例如能够具有如前公式21)的形式。
通过设置该第一非线性函数具有如前公式21)的形式，使得对于自平衡机器人实现自平衡状态控制时，当获取到该自平衡机器人的车架质量、动量轮质量、自平衡机器人车架的质心高度、自平衡机器人动量轮的质心高度、自平衡机器人当前的侧倾角时，即能够根据该第一非线性函数简单便捷地计算得到该自平衡机器人的第一转矩分量，便于后续得到该转矩并调整该自平衡机器人的自平衡。
在一些实施例中，如前所详细叙述的，所得到的第二非线性函数例如能够具有如前公式23)的形式。
通过设置该第二非线性函数具有如前公式23)的形式，使得对于自平衡机器人实现自平衡状态控制时，当获取到该自平衡机器人的当前侧倾角、该动量轮的当前转动角度、该自平衡机器人机架的质量、动量轮的质量、机架的质心高度、动量轮的质心高度及动量轮的转动惯量时，即能够根据该第二非线性函数简单便捷地计算得到该自平衡机器人的第二转矩分量，便于后续得到该转矩并调整该自平衡机器人的自平衡。
在一些实施例中，所述平移运动特征模型包括平移运动的动能模型、平移运动的势能模型、平移运动中的外部力模型中的至少一个。
基于上述，通过设置该平移运动特征模型包括动能模型、势能模型及外部力模型，使得在构建其平移运动特征模型时，能够综合考虑该自平衡机器人在运动过程中的动能、势能及受力情况，便于该平移运动特征模型更好地反映出该自平衡机器人的运动情况。
在一些实施例中，当该自平衡机器人为自平衡车时，基于本申请提出的自平衡机器人控制方法进行自平衡车的自平衡控制的过程可以更具体地描述。接下来，将结合图5A、5B、图6、图7及图8，对于自平衡机器人为自平衡车时的自平衡控制过程及其效果进行更具体地描述。
首先，参照图5A、5B及图6说明该自平衡车处于静止状态下进行自平衡测试的过程。其中，图5A示出了根据本公开实施例的自平衡车的外部视图，图5B示出了根据本公开实施例的自平衡车受到来自第一方向的外部干扰的示意图。图6示出了根据本公开实施例的自平衡车在静止情况下经受第一干扰及第二干扰后进行自平衡控制的结果。
如令如图5A所示出的自平衡车处于静止状态，并且人为加入大小相同，方向相反的第一干扰作用力和第二干扰作用力，使得该自平衡车相对于该垂直方向的侧倾角为θ，其中该第一干扰作用力为图5B中所示出的。
图6示出了根据本公开实施例的自平衡车在静态状态下进行自平衡测试的结果的示意图。接下来将参照图6对其进行进一步说明。
具体地，图6中的(a)图示出了该自平衡车的目标侧倾角随时间的变化，由于此时在静止状态下已设定其自平衡状态表征侧倾角为0的状态，因此，其目标侧倾角始终保持在0度。图6中的(b)图示出了自平衡车的侧倾角随时间的变化，从中可以看出，在20s和40s时存在两个扰动，其分别对应于沿第一方向(如图5B所示出的)和沿与该第一方向相反的第二方向的两个干扰作用力。图6中的(c)图示出了自平衡车的车把转向角随时间的变化，由于此时该自平衡车处于静止状态，因此其车把转向角始终保持为0度。在图6中的(d)图中示出了基于本申请上述自平衡车控制策略计算得到的该自平衡车的动量轮的扭矩输入量，参照图6可知，对应于在20s和40s时存在的两个扰动，在20s和40s时，分别施加扭矩输入量至动量轮，使得动量轮产生反作用扭矩以维持该自平衡车的自平衡。且从图6中的(e)图中示出了该自平衡车动量轮的角速度随时间的变化，可知响应于该转矩，该动量轮的角速度在20s和40s附近出现峰值，并最终收敛到零。
此外，对照图6中的(b)图、(d)图及(e)图可知，该自平衡车的侧倾角在20s和40s时受到外部扰动的影响，经由本申请中的自平衡机器人控制方法，通过计算得到的动量轮的转矩，经由该动量轮控制器控制该动量轮转动，使得该动量轮能够调整该自平衡车的侧倾角，并令侧倾角最终收敛至0。且该自平衡控制收敛速度较快，控制效果较佳，且能够在较短时间内基于自平衡车的实际情况进行多次调整，具有较好的灵活性。
其后，令该自平衡车进行直线加速及制动过程(自平衡车的把手转向角为0)，并通过动量轮对该自平衡车在该运动过程中的自平衡状态进行控制。图7示出了根据本公开实施例的自平衡车进行直线加速运动过程中的示意图。图8示出了根据本公开实施例的自平衡车在直线运动状态下进行自平衡测试的结果的示意图。接下来将参照图8对其进行进一步说明。
具体地，图8中的(f)图示出了该自平衡车的前进速度随时间的变化，基于此可知，在0s-20s时，该自平衡车经历了先加速，在加速至峰值速度1m/s时进行制动并最终停止的运动过程。图8中的(a)图示出了该自平衡车的目标侧倾角随时间的变化，由于此时在静止状态下已设定其自平衡状态表征侧倾角为0的状态，因此，其目标侧倾角始终保持在0度。图8中的(b)图示出了自平衡车的侧倾角随时间的变化，从中可以看出，在自平衡车进行加速直线运动随后制动停止的过程中，其侧倾角在0度附近小幅度波动，并最终收敛于0度。图8中的(c)图示出了自平衡车的车把转向角随时间的变化，由于此时该自平衡车处于直线加速及制动运动，因此其车把转向角始终保持为0度。在图8中的(d)图中示出了基于本申请上述自平衡车控制策略计算得到的该自平衡车的动量轮的扭矩输入量，参照图8可知，在该自平衡车进行加速直线运动过程中，随着速度增加，基于该自平衡车的实际运动情况，将相应地施加扭矩输入量至动量轮，使得动量轮产生反作用扭矩以维持该自平衡车的自平衡。且图8中的(e)图中示出了该自平衡车动量轮的角速度随时间的变化，可知响应于该转矩，该动量轮的角速度相应地进行变化以产生加速及减速力矩，并最终收敛到零。
此外，对照图6中的(b)图、(d)图及(f)图可知，该自平衡车在0s-20s期间进行加速和制动过程时，由于其运动特性，将会产生一些干扰，使得该自平衡车的侧倾角由0度左右偏移，呈现出短暂的非自平衡状态，此时该自平衡控制方法计算得到的自平衡车的动量轮转矩将会相应地发生变化，从而使得该自平衡车到达侧倾角为0的目标自平衡状态，且该动量轮的转速最终能够收敛到0。
基于上述可知，在该自平衡车进行加速直线运动或制动过程中，经由本申请中的自平衡机器人控制方法，通过计算得到的动量轮的转矩，经由该动量轮控制器控制该动量轮转动，使得该动量轮能够调整该自平衡车的侧倾角，并令侧倾角最终收敛至0。且该自平衡控制收敛速度较快，控制效果较佳，具有较好的灵活性。
基于上述测试结果可知，当自平衡车存在一些外部干扰或该自平衡车进行加速减速直线运动时，通过应用本申请提出的自平衡控制算法对该自平衡车的自平衡状态进行控制，能够良好地贴合其非线性运动特性，实现高精度、高灵敏度的自平衡控制，且该自平衡控制的灵活性及鲁棒性较高。
根据本公开的另一方面，提出了一种自平衡机器人控制系统。其中，所述自平衡机器人包括车架、动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩。图9示出了根据本发明实施例的自平衡机器人控制系统600的示例性框图。
如图9所示的自平衡机器人控制系统600包括当前自平衡状态获取模块610，第一转矩分量确定模块620，第二转矩分量确定模块630，转矩确定模块640，动量轮控制模块650。
所述当前自平衡状态获取模块610被配置为确定所述自平衡机器人的当前自平衡状态。
所述自平衡机器人的当前自平衡状态表征该自平衡机器人当前所具有的自平衡状态，其例如可以通过该自平衡机器人的当前自平衡侧倾角来表征。本公开的实施例不受该当前自平衡状态的具体表现形式的限制。
所述第一转矩分量确定模块620被配置为基于所述当前自平衡状态，根据第一非线性函数，确定用于所述动量轮的第一转矩分量，其中所述第一非线性函数是基于所述自平衡机器人的动力学特性确定的。
所述第一非线性函数例如可以为公式或公式组，或者其也可以为预设的算法。本公开的实施例不受该第一非线性函数的具体表现形式的限制。
所述自平衡机器人的动力学特性旨在表征该自平衡机器人所具有的动力学特征，例如该自平衡机器人中包括的刚体的数目、刚体间的运动关系等。本公开的实施例不受所述自平衡机器人动力学特性的具体内容的限制。
所述第二转矩分量确定模块630被配置为基于所述当前自平衡状态，根据第二非线性函数，确定用于所述动量轮的第二转矩分量，其中所述第二非线性函数是基于所述自平衡机器人的动力学特性确定的，并且所述第二非线性函数与所述第一非线性函数不同。
所述第二非线性函数例如可以为公式或公式组，或者其也可以为预设的算法。本公开的实施例不受该第二非线性函数的具体表现形式的限制。
应了解，上述第一非线性函数及第二非线性函数仅用于区分用于生成第一转矩分量及第二转矩分量的不同线性函数，其并非旨在对于该第一、第二线性函数进行限制。
所述转矩确定模块640被配置为基于所述第一转矩分量和第二转矩分量，生成所述动量轮的转矩。
例如，可以将该第一转矩分量与第二转矩分量直接加和得到该转矩。本公开的实施例不受该转矩的具体计算方式的限制。
所述动量轮控制模块650被配置为通过动量轮控制器，将该转矩提供给所述动量轮。例如，该动量轮控制器为动量轮电机，则该动量轮电机例如将该转矩作为动量轮的转矩输入，输入至该动量轮。
基于上述，在对自平衡机器人进行自平衡控制时，通过确定该自平衡机器人的当前自平衡状态，并基于该当前自平衡状态，利用第一非线性函数和第二非线性函数分别计算得到第一转矩分量、第二转矩分量，根据该第一、第二转矩分量生成转矩，并经由该转矩，通过动量轮控制器实现对动量轮的控制，使得能够基于非线性控制策略实现对自平衡机器人的自平衡控制。相较于通过线性控制策略进行控制，本申请能够更好地贴合自平衡机器人在运动过程中的运动特性，从而基于自平衡机器人的实际运动情况实现灵活地自平衡控制，实现更高的控制精度，且具有更好的鲁棒性及稳定性。
在一些实施例中，所述当前自平衡状态包括该自平衡机器人的侧倾角、侧倾角速度、侧倾角加速度、质心位置、前进速度中的至少一部分。通过设置该当前自平衡状态包括以上一个或多个参数量，使得能够全面且良好地反映出其自平衡状态。
在一些实施例中，该自平衡机器人控制系统还包括第一非线性函数和第二非线性函数生成模块660，其能够执行如图2所示的流程，基于该自平衡机器人的动力学特性，生成第一非线性函数及第二非线性函数。
第一非线性函数和第二非线性函数生成模块660包括非线性动态模型生成模块661、哈密顿模型生成模块662、第一非线性函数确定模块663及第二非线性函数确定模块664。
且其中，该非线性动态模型生成模块661被配置为执行图2中步骤S201的操作，基于所述自平衡机器人的动力学特性及运动特性，构造该自平衡机器人的非线性动态模型。
如前所述，所述自平衡机器人的动力学特性旨在表征该自平衡机器人所具有的动力学特征。所述自平衡机器人的运动特性旨在表征该自平衡机器人在运动过程中所具有的动力学特征，例如其运动方式、运动速度、运动加速度等。本公开的实施例不受该自平衡机器人的运动特性的具体组成的限制。
该哈密顿模型生成模块662被配置为执行图2中步骤S202的操作，基于所述非线性动态模型，生成用于该动量轮控制的哈密顿模型。
该第一非线性函数确定模块663被配置为执行图2中步骤S203的操作，基于所述哈密顿模型，确定用于该自平衡机器人动量轮控制的能量整形函数，并将该能量整形函数作为所述第一非线性函数。
该第二非线性函数确定模块664被配置为执行图2中步骤S204的操作，基于所述第一非线性函数以及所述哈密顿模型，确定用于该自平衡机器人动量轮控制的阻尼注入函数，并将该阻尼注入函数作为第二非线性函数。
在一些实施例中，所述非线性动态模型生成模块661包括动力学模型构造模块6611、平移运动特征模型获取模块6612及非线性动态模型计算模块6613。
且其中，该非线性动态模型生成模块6611被配置为执行图3中步骤S2011的操作，根据该自平衡机器人的动力学特性，构造该自平衡机器人的动力学模型。
所述自平衡机器人动力学模型旨在表征该自平衡机器人所具有的动力学特征，根据所述自平衡机器人所具有的运动学特征，其例如可以基于单摆模型、或倒立摆模型等模型建立。本公开的实施例不受所述自平衡机器人动力学模型的具体建立方式的限制。
该平移运动特征模型获取模块6612被配置为执行图3中步骤S2012的操作，根据该自平衡机器人的平移运动特性，得到该自平衡机器人的平移运动特征模型。
所述平移运动旨在表征在平面内，将该自平衡机器人上的所有点都按照某个方向作相同距离的移动。所述平移运动特征模型旨在反映该自平衡机器人的平移运动特征，当该自平衡机器人为自平衡车时，该平移运动特征模型例如包括平移运动的动能模型、平移运动的势能模型、平移运动中的外部力模型。
该非线性动态模型计算模块6613被配置为执行图3中步骤S2013的操作，根据所述平移运动特征模型和该动力学模型，生成该自平衡机器人在平移运动下的非线性动态模型。
基于上述，基于该自平衡车的动力学特性构造该自平衡机器人的动力学模型，其后根据该自平衡机器人的平移运动特性构造该自平衡机器人的平移运动模型，并最终基于该自平衡机器人的动力学模型及平移运动模型生成其非线性动态模型，使得该非线性动态模型能够良好地反映该自平衡机器人的力学特性及其在平移运动过程中的特性，从而有利于后续基于该非线性动态模型求取相应的动量轮转矩以实现自平衡控制，且有利于提高该自平衡控制的精确度及灵活度。
在一些实施例中，如前所详细描述的，根据该自平衡机器人的动力学特性，构造该自平衡机器人的非线性动态模型例如具有前述方程组13)的形式。然而，应了解，本公开的实施例不受该非线性动态模型所具有的具体形式的限制。
基于上述，基于自平衡机器人的力学特性及其平移运动特性，构造如前述方程组13)形式的非线性动态模型，相较于通过线性化或线性化处理将sin及cos函数参量消除的线性模型，该非线性动态模型使得能够更好地保留该自平衡车运动过程中的非线性特性，更有利于基于不同的运动情况实现对其自平衡的灵活控制。
在一些实施例中，如前所详细叙述的，所得到的第一非线性函数例如能够具有如前公式21)的形式。
通过设置该第一非线性函数具有如前公式21)的形式，使得对于自平衡机器人实现自平衡状态控制时，当获取到该自平衡机器人的车架质量、动量轮质量、自平衡机器人车架的质心高度、自平衡机器人动量轮的质心高度、自平衡机器人当前的侧倾角时，即能够根据该第一非线性函数简单便捷地计算得到该自平衡机器人的第一转矩分量，便于后续得到该转矩并调整该自平衡机器人的自平衡。
在一些实施例中，如前所详细叙述的，所得到的第二非线性函数例如能够具有如前公式23)的形式。
通过设置该第二非线性函数具有如前公式23)的形式，使得对于自平衡机器人实现自平衡状态控制时，当获取到该自平衡机器人的当前侧倾角、该动量轮的当前转动角度、该自平衡机器人机架的质量、动量轮的质量、机架的质心高度、动量轮的质心高度及动量轮的转动惯量时，即能够根据该第二非线性函数简单便捷地计算得到该自平衡机器人的第二转矩分量，便于后续得到该转矩并调整该自平衡机器人的自平衡。
在一些实施例中，所述平移运动特征模型包括平移运动的动能模型、平移运动的势能模型、平移运动中的外部力模型中的至少一个。
基于上述，通过设置该平移运动特征模型包括动能模型、势能模型及外部力模型，使得在构建其平移运动特征模型时，能够综合考虑该自平衡机器人在运动过程中的动能、势能及受力情况，便于该平移运动特征模型更好地反映出该自平衡机器人的运动情况。
在一些实施例中，所述自平衡机器人控制系统能够执行如前所述的方法，具有如前所述的功能。
根据本公开的另一方面，提出了一种自平衡机器人。所述自平衡机器人包括动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩。且其中，该自平衡机器人具有如前所述的自平衡控制系统，能够执行如前所述的自平衡控制方法，实现如前所述的自平衡控制功能。
此外，机器人还可以包括总线、存储器、传感器组件、控制器、通信模块和输入输出装置等。
总线可以是将该机器人的各部件互连并在各部件之中传递通信信息(例如，控制消息或数据)的电路。
传感器组件可以用于对物理世界进行感知，例如包括摄像头、红外传感器超声波传感器等。此外，传感器组件还可以包括用于测量机器人当前运行及运动状态的装置，例如霍尔传感器、激光位置传感器、或应变力传感器等。
控制器用于对机器人的操作进行控制，例如以人工智能的控制方式。
所述控制器例如包括处理装置。处理装置可以包括微处理器、数字信号处理器(“DSP”)、专用集成电路(“ASIC”)、现场可编程门阵列(“FPGA”)、状态机或用于处理从传感器线接收的电信号的其他处理器件。这种处理器件可以包括可编程电子设备，例如PLC，可编程中断控制器(“PIC”)、可编程逻辑器件(“PLD”)、可编程只读存储器(“PROM”)、电子可编程只读存储器(“EPROM”或“EEPROM”)等。
通信模块例如可以通过有线或无效与网络连接，以便于与物理世界(例如，服务器)通信。通信模块可以是无线的并且可以包括无线接口，例如IEEE 802.11、蓝牙、无线局域网(“WLAN”)收发器、或用于接入蜂窝电话网络的无线电接口(例如，用于接入CDMA、GSM、UMTS或其他移动通信网络的收发器/天线)。在另一示例中，通信模块可以是有线的并且可以包括诸如以太网、USB或IEEE 1394之类的接口。
输入输出装置可以将例如从用户或任何其他外部设备输入的命令或数据传送到机器人的一个或多个其他部件，或者可以将从机器人的一个或多个其他部件接收的命令或数据输出到用户或其他外部设备。
多个能够实现自平衡的机器人可以组成机器人系统以协同地完成一项任务，该多个机器人通信地连接到服务器，并且从服务器接收协同机器人指令。
根据本发明的另一方面，还提供了一种非易失性的计算机可读存储介质，其上存储有计算机可读的指令，当利用计算机执行所述指令时可以执行如前所述的方法。
技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
所有软件或其中的一部分有时可能会通过网络进行通信，如互联网或其他通信网络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。因此，另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接，例如光波、电波、电磁波等，通过电缆、光缆或者空气等实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备，也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
本申请使用了特定词语来描述本申请的实施例。如“第一/第二实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。

Claims (15)

1.一种自平衡机器人控制方法，其中，所述自平衡机器人包括车架、动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩，且该方法包括：
确定所述自平衡机器人的当前自平衡状态；
基于所述当前自平衡状态，根据第一非线性函数，确定用于所述动量轮的第一转矩分量，其中所述第一非线性函数是基于所述自平衡机器人的动力学特性确定的；
基于所述当前自平衡状态，根据第二非线性函数，确定用于所述动量轮的第二转矩分量，其中所述第二非线性函数是基于所述自平衡机器人的动力学特性确定的，并且所述第二非线性函数与所述第一非线性函数不同；
基于所述第一转矩分量和第二转矩分量，生成所述动量轮的转矩；以及
通过动量轮控制器，将该转矩提供给所述动量轮。
2.如权利要求1所述的自平衡机器人控制方法，其中，所述当前自平衡状态包括该自平衡机器人的侧倾角、侧倾角速度、侧倾角加速度、质心位置、前进速度中的至少一部分。
3.如权利要求2所述的自平衡机器人控制方法，其中，所述第一非线性函数为基于所述自平衡机器人的主体部分的质量和质心位置、所述自平衡机器人的动量轮的质量和质心位置、以及所述自平衡机器人的侧倾角所构造的非线性函数。
4.如权利要求3所述的自平衡机器人控制方法，其中，所述第一非线性函数为：
Figure FDA0002498912050000011
其中，
Figure FDA0002498912050000012
为第一转矩分量，λ＝(m1L1+m2L2)g，其中m1为自平衡机器人的主体部分的质量，m2为自平衡机器人的动量轮质量，L1为自平衡机器人主体部分的质心高度，L2为该动量轮的质心高度，g为重力加速度，q1＝θ，θ为自平衡机器人的侧倾角，α1、α2为常数，且满足α1+α2＜0。
5.如权利要求2所述的自平衡机器人控制方法，其中，所述第二非线性函数为所述自平衡机器人的总机械能、所述自平衡机器人的侧倾角速度以及所述自平衡机器人的动量轮转动角速度所构造的非线性函数。
6.如权利要求5所述的自平衡机器人控制方法，其中，所述第二非线性函数为：
Figure FDA0002498912050000021
且其中，
Figure FDA0002498912050000022
为第二转矩分量，kv为常数参量，G＝[-1,1]T，GT为G的转置矩阵，Hd为闭环系统所具有的总机械能，
Figure FDA0002498912050000023
θ为自平衡机器人的侧倾角，
Figure FDA0002498912050000024
为自平衡机器人的动量轮的转动角度，
Figure FDA0002498912050000025
为q的一阶导数，
Figure FDA0002498912050000026
Figure FDA0002498912050000027
其中α1、α2、α3为根据实际情况选取的常数参量，且其满足α1＞0,
Figure FDA0002498912050000028
Figure FDA0002498912050000029
7.如权利要求2所述的自平衡机器人控制方法，其中，所述第一非线性函数和第二非线性函数是基于所述自平衡机器人的动力学特性及运动特性而确定的，其中，所述第一非线性函数和第二非线性函数的确定包括：
基于所述自平衡机器人的动力学特性及运动特性，构造该自平衡机器人的非线性动态模型；
基于所述非线性动态模型，生成用于该动量轮控制的哈密顿模型；
基于所述哈密顿模型，确定用于该自平衡机器人动量轮控制的能量整形函数，并将该能量整形函数作为所述第一非线性函数；以及
基于所述第一非线性函数以及所述哈密顿模型，确定用于该自平衡机器人动量轮控制的阻尼注入函数，并将该阻尼注入函数作为第二非线性函数。
8.如权利要求7所述的自平衡机器人控制方法，其中，基于所述自平衡机器人的动力学特性及运动特性，构造该自平衡机器人的非线性动态模型包括：
根据该自平衡机器人的动力学特性，构造该自平衡机器人的动力学模型；
根据该自平衡机器人的平移运动特性，得到该自平衡机器人的平移运动特征模型；
根据所述平移运动特征模型和该动力学模型，生成该自平衡机器人在平移运动下的非线性动态模型。
9.如权利要求7所述的自平衡机器人控制方法，其中，在所述自平衡机器人的转向角小于预设角度阈值时，将所述转向角设置为0，并且哈密顿模型为：
Figure FDA0002498912050000031
Figure FDA0002498912050000032
其中，H为自平衡机器人的总机械能，I2×2为二维单位矩阵，02×1为二维零阶向量，
Figure FDA0002498912050000033
λ＝(m1L1+m2L2)g,
Figure FDA0002498912050000034
G＝[-1,1]T，q1＝θ,θ表示自平衡机器人的侧倾角，
Figure FDA0002498912050000035
为q的一阶导数，
Figure FDA0002498912050000036
为p的一阶导数，
Figure FDA0002498912050000037
表征动量轮的转动角度，
Figure FDA0002498912050000038
为施加到动量轮的转矩，
Figure FDA0002498912050000039
且其中m1为自平衡机器人的主体部分的质量，m2为自平衡机器人的动量轮质量，L1为自平衡机器人主体部分的质心高度，L2为该动量轮的质心高度，I1为自平衡机器人主体部分的转动惯量，I2为自平衡自平衡机器人动量轮的转动惯量。
10.一种自平衡机器人控制系统，其中，所述自平衡机器人包括车架、动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩，且该系统包括：
当前自平衡状态获取模块，其被配置为确定所述自平衡机器人的当前自平衡状态；
第一转矩分量确定模块，其被配置为基于所述当前自平衡状态，根据第一非线性函数，确定用于所述动量轮的第一转矩分量，其中所述第一非线性函数是基于所述自平衡机器人的动力学特性确定的；
第二转矩分量确定模块，其被配置为基于所述当前自平衡状态，根据第二非线性函数，确定用于所述动量轮的第二转矩分量，其中所述第二非线性函数是基于所述自平衡机器人的动力学特性确定的，并且所述第二非线性函数与所述第一非线性函数不同；
转矩确定模块，其被配置为基于所述第一转矩分量和第二转矩分量，生成所述动量轮的转矩；以及
动量轮控制模块，其被配置为通过动量轮控制器，将该转矩提供给所述动量轮。
11.如权利要求10所述的自平衡机器人控制系统，其中，所述当前自平衡状态包括该自平衡机器人的侧倾角、侧倾角速度、侧倾角加速度、质心位置、前进速度中的至少一部分。
12.如权利要求11所述的自平衡机器人控制系统，其中所述第一非线性函数和第二非线性函数是基于所述自平衡机器人的动力学特性及运动特性而确定的，其中，
所述第一非线性函数是基于该自平衡机器人的非线性动态模型确定的能量整形函数；
所述第二非线性函数是基于该自平衡机器人的非线性动态模型确定的阻尼注入函数。
13.如权利要求11所述的自平衡机器人控制系统，其中，所述第一非线性函数为：
Figure FDA0002498912050000041
其中，
Figure FDA0002498912050000042
为第一转矩分量，λ＝(m1L1+m2L2)g，其中m1为自平衡机器人的主体部分的质量，m2为自平衡机器人的动量轮质量，L1为自平衡机器人主体部分的质心高度，L2为该动量轮的质心高度，g为重力加速度，q1＝θ，θ为自平衡机器人的侧倾角，α1、α2为常数，且满足α1+α2＜0；
所述第二非线性函数为：
Figure FDA0002498912050000043
且其中，
Figure FDA0002498912050000044
为第二转矩分量，kv为常数参量，G＝[-1,1]T，GT为G的转置矩阵，Hd为闭环系统所具有的总机械能，
Figure FDA0002498912050000045
θ为自平衡机器人的侧倾角，
Figure FDA0002498912050000046
为自平衡机器人的动量轮的转动角度，
Figure FDA0002498912050000047
为q的一阶导数，
Figure FDA0002498912050000048
Figure FDA0002498912050000049
其中α1、α2、α3为根据实际情况选取的常数参量，且其满足α1＞0,
Figure FDA00024989120500000410
Figure FDA00024989120500000411
14.一种自平衡机器人，所述自平衡机器人包括车架、动量轮及动量轮控制器，该动量轮控制器为该动量轮提供转矩，且其中，
该自平衡机器人包括如前述权利要求10-13中任一项所述的自平衡机器人控制系统，且其通过如权利要求1-9中任一项所述的自平衡机器人控制方法来实现对所述动量轮的控制。
15.一种计算机可读存储介质，其特征在于，其上存储有计算机可读的指令，当利用计算机执行所述指令时执行上述权利要求1-9中任意一项所述的方法。
CN202010426657.XA 2020-05-19 2020-05-19 自平衡机器人控制方法、系统、自平衡机器人及介质 Active CN111547176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010426657.XA CN111547176B (zh) 2020-05-19 2020-05-19 自平衡机器人控制方法、系统、自平衡机器人及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010426657.XA CN111547176B (zh) 2020-05-19 2020-05-19 自平衡机器人控制方法、系统、自平衡机器人及介质

Publications (2)

Publication Number Publication Date
CN111547176A true CN111547176A (zh) 2020-08-18
CN111547176B CN111547176B (zh) 2021-09-14

Family

ID=72000339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010426657.XA Active CN111547176B (zh) 2020-05-19 2020-05-19 自平衡机器人控制方法、系统、自平衡机器人及介质

Country Status (1)

Country Link
CN (1) CN111547176B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113147974A (zh) * 2021-04-26 2021-07-23 国华(广州)投资发展有限公司 双轮车的控制方法、装置、存储介质及电子装置
CN113359434A (zh) * 2021-04-15 2021-09-07 山东师范大学 针对电动平衡车的有限时间跟踪控制方法及系统
CN115781658A (zh) * 2021-09-10 2023-03-14 腾讯科技（深圳）有限公司 构建机器人的控制器的方法和机器人

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107728635A (zh) * 2017-11-13 2018-02-23 北京赛曙科技有限公司 一种摩托车型机器人的自动平衡装置及方法
CN108931986A (zh) * 2018-06-19 2018-12-04 福建海源自动化机械股份有限公司 一种两轮汽车自平衡控制方法、装置及存储介质
US10456658B1 (en) * 2019-02-11 2019-10-29 Future Motion, Inc. Self-stabilizing skateboard
CN110884601A (zh) * 2018-08-20 2020-03-17 南京林业大学 一种车辆自平衡系统及其控制方法
CN110888444A (zh) * 2019-12-04 2020-03-17 腾讯科技（深圳）有限公司 自平衡行驶装置及其控制方法
CN110929351A (zh) * 2019-11-25 2020-03-27 腾讯科技（深圳）有限公司 自平衡设备及其动量轮安装位置确定方法、装置、设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107728635A (zh) * 2017-11-13 2018-02-23 北京赛曙科技有限公司 一种摩托车型机器人的自动平衡装置及方法
CN108931986A (zh) * 2018-06-19 2018-12-04 福建海源自动化机械股份有限公司 一种两轮汽车自平衡控制方法、装置及存储介质
CN110884601A (zh) * 2018-08-20 2020-03-17 南京林业大学 一种车辆自平衡系统及其控制方法
US10456658B1 (en) * 2019-02-11 2019-10-29 Future Motion, Inc. Self-stabilizing skateboard
CN110929351A (zh) * 2019-11-25 2020-03-27 腾讯科技（深圳）有限公司 自平衡设备及其动量轮安装位置确定方法、装置、设备
CN110888444A (zh) * 2019-12-04 2020-03-17 腾讯科技（深圳）有限公司 自平衡行驶装置及其控制方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
ANAN SUEBSOMRAN: "Dynamic Compensation and Control of a Bicycle", 《PROCEEDINGS OF THE INTERNATIONAL ELECTRICAL ENGINEERING CONGRESS 2014》 *
C. XIONG等: "Static Balancing of Robotic Bicycle through Nonlinear Modeling and Control", 《2018 3RD INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION ENGINEERING》 *
林永栋等: "二轮自平衡机器人姿态控制系统仿真研究", 《计算机仿真》 *
申晓峰等: "电动独轮车的模糊自适应控制", 《机电工程》 *
邱金凤: "非同轴两轮自平衡移动机器人的平稳性研究", 《中国优秀硕士学位论文全文数据库信息科技辑（月刊 ）》 *
郭磊，廖启征，魏世民: "自行车机器人动力学建模与MIMO反馈线性化", 《北京邮电大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113359434A (zh) * 2021-04-15 2021-09-07 山东师范大学 针对电动平衡车的有限时间跟踪控制方法及系统
CN113147974A (zh) * 2021-04-26 2021-07-23 国华(广州)投资发展有限公司 双轮车的控制方法、装置、存储介质及电子装置
CN115781658A (zh) * 2021-09-10 2023-03-14 腾讯科技（深圳）有限公司 构建机器人的控制器的方法和机器人

Also Published As

Publication number Publication date
CN111547176B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN111547176B (zh) 自平衡机器人控制方法、系统、自平衡机器人及介质
Hu et al. Robust H∞ output-feedback control for path following of autonomous ground vehicles
Dong et al. Robust adaptive control of nonholonomic mobile robot with parameter and nonparameter uncertainties
CN104932506B (zh) 基于快速终端滑模的轮式移动机器人轨迹跟踪方法
Wen et al. Elman fuzzy adaptive control for obstacle avoidance of mobile robots using hybrid force/position incorporation
CN103780188B (zh) 基于动态摩擦补偿的永磁球形电机转子自适应控制系统
He et al. Extended state observer-based robust backstepping sliding mode control for a small-size helicopter
CN108638068A (zh) 一种携带冗余度机械臂的飞行机器人控制系统设计方法
CN111547177B (zh) 自平衡机器人控制方法、系统、自平衡机器人及介质
Shimada et al. Mecanum-wheel vehicle systems based on position corrective control
CN109975788A (zh) 一种激光雷达扫描机构的自适应控制方法
CN111459188A (zh) 一种基于四元数的多旋翼非线性飞行控制方法
Jiang et al. Active disturbance rejection control based on adaptive differential evolution for two-wheeled self-balancing robot
Yao Robust adaptive finite-time attitude tracking control of a 3D pendulum with external disturbance: numerical simulations and hardware experiments
US20230305563A1 (en) Method for building controller for robot, method, device for controlling motion of robot, and robot
CN116520674A (zh) 一种面向空地两用机器人的平滑切换控制方法
EP4394531A1 (en) Method for constructing controller for robot, motion control method and apparatus for robot, and robot
Renawi et al. ROS validation for non-holonomic differential robot modeling and control: Case study: Kobuki robot trajectory tracking controller
Lu et al. An improved backstepping design for the control of an underactuated inverted pendulum
CN111634356A (zh) 自平衡机器人控制方法、系统、自平衡机器人及介质
Xuan et al. Adaptive hierarchical sliding mode control using an artificial neural network for a ballbot system with uncertainties
Zhou et al. Mowing robot trajectory tracking control algorithm research
CN115309176B (zh) 一种多运动模式球形机器人的姿态控制方法、系统及存储介质
CN111712399A (zh) 可移动平台的控制方法、装置、设备及存储介质
Lin et al. Skater: A Novel Bi-Modal Bi-Copter Robot for Adaptive Locomotion in Air and Diverse Terrain

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40027863

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant